دیدگاه های در مورد داده کاوی 

با توجه به این تعاریف دو تعبیر مختلف از داده‏کاوی وجود دارد. برخی مولفین مانند چتفیلد (1995) ، داده‏کاوی را مترادف عبارت کشف دانش و معرفت از پایگاه داده‏ها می دانند. بقیه از جمله فیاد (1996) به داده‏کاوی به عنوان یک مرحله ضروری از فرایند بزرگتر کشف دانش و معرفت از پایگاه داده‏ها که به اختصار KDD می‏گویند ، اشاره دارند.

در دیدگاه اول داده‏ کاوی به عنوان مجموعه ای از فرایندها که از تعریف اهداف تا ارزیابی نتایج را در بر می‏گیرد ، معرفی می‏شود. مراحل مختلف داده‏کاوی در این دیدگاه عبارتند از :

الف) تعریف اهداف تحلیل

ب) انتخاب و سازماندهی داده‏ها

پ) تحلیل کاوشگرانه ی داده‏ها

ت) مشخص کردن روش های آماری مورد استفاده در مرحله ی تحلیل

ج) تحلیل داده‏ها بر اساس روش انتخابی

چ) ارزیابی و مقایسه روش های مورد استفاده و انتخاب مدل نهایی برای تحلیل

ح) تفسیر مدل حاصل و استفاده از آن در فرایند تصمیم‏گیری

اما در دیدگاه دوم ، KDD شامل مراحل زیر است :

1) پاکسازی داده ‏ها حذف داده‏های ناپایدار و مزاحم

2) یکپارچه سازی داده‏ ها : ترکیب منابع متعدد ، پراکنده و احیانا ناهمگن داده‏ها

3) انتخاب داده ‏ها : بازیابی داده‏های مربوط به عمل کاوش از پایگاه داده‏ها

4) تبدیل داده‏ ها: تبدیل داده‏ها به اشکالی مناسب برای به کار بردن روش های مختلف

5) داده ‏کاوی : مرحله ای ضروری از فرایند KDD است که در آن از روش های مختلف آماری و یادگیری ماشین برای استخراج الگوها استفاده می‏شود ، که شامل مراحل زیر است :

الف) انتخاب عملیات داده‏ کاوی (رده بندی ، خوشه‏بندی ، پیش بینی ، تعیین وابستگی و …)

ب) انتخاب روش داده‏ کاوی (شبکه های عصبی ، درخت تصمیم‏گیری ، الگوریتم ژنتیک و …)

ج) داده‏ کاوی و جستجو برای یافتن الگوی مناسب

6) ارزیابی الگوها : شناسایی الگوهای جذاب ارائه دانش ، بر اساس معیارهای جذابیت.

7) ارائه دانش ارائه دانش استخراج شده با استفاده از تکنیک های نمایش اطلاعات